論文の概要: Position: 3D Gaussian Splatting Watermarking Should Be Scenario-Driven and Threat-Model Explicit

• arxiv url: http://arxiv.org/abs/2602.02602v1
• Date: Sun, 01 Feb 2026 21:45:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:14.970463
• Title: Position: 3D Gaussian Splatting Watermarking Should Be Scenario-Driven and Threat-Model Explicit
• Title（参考訳）: 測位:3Dガウスのスティングウォーターマーキングはシナリオ駆動で、脅威モデルで説明すべき
• Authors: Yangfan Deng, Anirudh Nakra, Min Wu,
• Abstract要約: 3Dコンテンツの獲得と作成は、機械学習とAIの新しい時代に急速に拡大している。 3D Gaussian Splatting (3DGS)は、3Dコンテンツの高忠実かつリアルタイムな表現として期待されている。 我々は、3Dアセットの効果的な透かしの進歩には、明確なセキュリティ目標と現実的な脅威モデルが必要であると論じている。
• 参考スコア（独自算出の注目度）: 6.4988555871372675
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D content acquisition and creation are expanding rapidly in the new era of machine learning and AI. 3D Gaussian Splatting (3DGS) has become a promising high-fidelity and real-time representation for 3D content. Similar to the initial wave of digital audio-visual content at the turn of the millennium, the demand for intellectual property protection is also increasing, since explicit and editable 3D parameterization makes unauthorized use and dissemination easier. In this position paper, we argue that effective progress in watermarking 3D assets requires articulated security objectives and realistic threat models, incorporating the lessons learned from digital audio-visual asset protection over the past decades. To address this gap in security specification and evaluation, we advocate a scenario-driven formulation, in which adversarial capabilities are formalized through a security model. Based on this formulation, we construct a reference framework that organizes existing methods and clarifies how specific design choices map to corresponding adversarial assumptions. Within this framework, we also examine a legacy spread-spectrum embedding scheme, characterizing its advantages and limitations and highlighting the important trade-offs it entails. Overall, this work aims to foster effective intellectual property protection for 3D assets.
• Abstract（参考訳）: 3Dコンテンツの獲得と作成は、機械学習とAIの新しい時代に急速に拡大している。 3D Gaussian Splatting (3DGS)は、3Dコンテンツの高忠実かつリアルタイムな表現として期待されている。 ミレニアムの変わり目におけるデジタルオーディオ-視覚コンテンツの初期波と同様に、明示的で編集可能な3Dパラメータ化により、不正使用や普及が容易になるため、知的財産保護の需要も増加している。 本稿では,過去数十年のデジタル・オーディオ・ビジュアル・アセット・プロテクションから学んだ教訓を取り入れ,効果的な3Dアセットの透かしの進歩には,明確なセキュリティ目標と現実的な脅威モデルが必要であることを論じる。 セキュリティ仕様と評価のこのギャップに対処するため、我々はシナリオ駆動の定式化を提案し、敵の能力はセキュリティモデルを通して形式化される。 この定式化に基づいて、既存の手法を整理し、特定の設計選択が対応する敵の仮定にどう対応しているかを明確にする参照フレームワークを構築する。 このフレームワーク内では、レガシーな拡散スペクトル埋め込み方式も検討し、その利点と限界を特徴づけ、それに関連する重要なトレードオフを強調します。 全体として、この研究は、3D資産の効果的な知的財産保護を促進することを目的としている。

関連論文リスト

• OUGS: Active View Selection via Object-aware Uncertainty Estimation in 3DGS [14.124481717283544]
  OUGSは3DGSの原則的、物理的に根拠のある不確実性定式化である。 我々の中心となる革新は、3Dガウス原始体の明示的な物理的パラメータから直接不確実性を引き出すことである。 この基盤により、セマンティックセグメンテーションマスクをシームレスに統合し、ターゲットとするオブジェクト認識の不確実性スコアを生成することができる。
  論文  参考訳（メタデータ） (2025-11-12T15:08:46Z)
• 3D Weakly Supervised Semantic Segmentation via Class-Aware and Geometry-Guided Pseudo-Label Refinement [49.05272731604324]
  3D弱教師付きセマンティックセマンティックセマンティクスは、スパースデータや低コストデータを活用することでセマンティクスセマンティクスセマンティクスを実現することを目的としている。 それまでの作業では、主にクラスアクティベーションマップや事前訓練された視覚言語モデルを使用してこの問題に対処していた。 本稿では,3次元幾何学的先行概念をクラス認識誘導機構に統合した,シンプルで効果的な3次元教師付きセマンティックセマンティックセマンティックセマンティクス法を提案する。
  論文  参考訳（メタデータ） (2025-10-17T03:53:43Z)
• Hi3DEval: Advancing 3D Generation Evaluation with Hierarchical Validity [78.7107376451476]
  Hi3DEvalは3D生成コンテンツに適した階層的評価フレームワークである。 素材リアリズムを明示的に評価することで審美的外観を超えてテクスチャ評価を拡張する。 ハイブリッド3次元表現に基づく3次元自動スコアリングシステムを提案する。
  論文  参考訳（メタデータ） (2025-08-07T17:50:13Z)
• GuardSplat: Efficient and Robust Watermarking for 3D Gaussian Splatting [70.81218231206617]
  GuardSplatは、3DGS資産をウォーターマークするための革新的で効率的なフレームワークである。 Message Embeddingモジュールは、元の3D構造を保持しながら、各3DガウスのSH機能にメッセージをシームレスに埋め込む。 反歪メッセージ抽出モジュールは、様々な歪みに対する堅牢性を改善する。
  論文  参考訳（メタデータ） (2024-11-29T17:59:03Z)
• Shielding the Unseen: Privacy Protection through Poisoning NeRF with Spatial Deformation [59.302770084115814]
  本稿では,Neural Radiance Fields(NeRF)モデルの生成機能に対して,ユーザのプライバシを保護する革新的な手法を提案する。 我々の新しい中毒攻撃法は、人間の目では認識できないが、NeRFが正確に3Dシーンを再構築する能力を損なうのに十分強力である観察ビューの変化を誘発する。 我々は、高品質の画像を含む29の現実世界シーンからなる2つの共通のNeRFベンチマークデータセットに対して、我々のアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2023-10-04T19:35:56Z)
• Unsupervised Domain Adaptation with Temporal-Consistent Self-Training for 3D Hand-Object Joint Reconstruction [131.34795312667026]
  サイクル生成逆数ネットワーク(CycleGAN)内の3次元幾何学的制約を利用してこの問題に対処する効果的なアプローチを提案する。 既存のほとんどの研究とは対照的に、ドメイン適応モデルを自己管理的に微調整するために、短期的および長期的時間的整合性を強制することを提案する。 本研究では,3つのベンチマークを用いて,最先端の3Dハンドオブジェ共同再建手法を上回っていることを実証する。
  論文  参考訳（メタデータ） (2020-12-21T11:27:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。